CN114401206B - 一种电机状态监测方法、装置、电子设备及存储介质 - Google Patents
一种电机状态监测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114401206B CN114401206B CN202111465045.2A CN202111465045A CN114401206B CN 114401206 B CN114401206 B CN 114401206B CN 202111465045 A CN202111465045 A CN 202111465045A CN 114401206 B CN114401206 B CN 114401206B
- Authority
- CN
- China
- Prior art keywords
- vibration
- motor
- data
- frequency
- determining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000012544 monitoring process Methods 0.000 title claims abstract description 27
- 238000001914 filtration Methods 0.000 claims abstract description 77
- 230000002159 abnormal effect Effects 0.000 claims abstract description 20
- 238000012806 monitoring device Methods 0.000 claims abstract description 7
- 238000001228 spectrum Methods 0.000 claims description 42
- 238000005259 measurement Methods 0.000 claims description 32
- 230000001133 acceleration Effects 0.000 claims description 20
- 238000006073 displacement reaction Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 8
- 238000005070 sampling Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 abstract description 11
- 238000005516 engineering process Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0805—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability
- H04L43/0817—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability by checking functioning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
- G06F17/141—Discrete Fourier transforms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/185—Electrical failure alarms
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/04—Processing captured monitoring data, e.g. for logfile generation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Environmental & Geological Engineering (AREA)
- Discrete Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Control Of Electric Motors In General (AREA)
Abstract
本发明提供了一种电机状态监测方法、装置、电子设备及存储介质,该方法包括:获取一段时间内电机的原始振动数据;对所述原始振动数据进行第一级滤波与第二级滤波,获得并输出目标振动数据;将所述目标振动数据拟合为振动曲线;根据所述振动曲线判断电机的运行状态是否异常。基于本发明的技术方案,通过对采集到的电机的原始振动数据进行两级不同方式的滤波,解决了数据由于受到外界环境干扰而导致数据中添加了噪声的问题;并且通过对滤波后的电机振动数据进行拟合,为后续的数据处理提供了便利,提高了数据处理的精确度,进而进一步提高了电机状态监测并判断的准确性。
Description
技术领域
本发明涉及监测技术领域,特别地涉及一种电机状态监测方法、装置、电子设备及存储介质。
背景技术
电机是设备的动力来源,被广泛用于工业设备中,一旦出现任何故障或者损坏造成工业设备停产,不仅导致生产效率下降,而且也会损坏设备,进而给企业带来巨大的经济损失。因此,根据工业设备与电机的当前和历史的工作状态,提前对可能出现的故障作出相应的预判,并对其进行维护,就显得十分必要了。
现有技术中,采用振动传感器或者加速度传感器来采集关于电机振动的相关数据,将数据通过无线传感技术传输到后台服务器,再利用数据处理技术对数据进行分析,进而能够准确判断电机的运行状态。但是,在数据采集过程中会受到外界环境的干扰导致原始数据污染;并且,在数据处理过程中,只采用单一的滤波技术,这样会导致数据在处理过程中误差变大,进而会误判电机的运行状态。
发明内容
为了解决现有技术中对于电机振动数据的传输与处理容易受到外界因素的干扰而导致数据处理结果不准确的问题,本申请提出了一种电机状态监测方法、装置、电子设备及存储介质。
本发明提出的一种电机状态监测方法,包括:
获取一段时间内电机的原始振动数据;
对所述原始振动数据进行第一级滤波与第二级滤波,获得并输出目标振动数据;
将所述目标振动数据拟合为振动曲线;
根据所述振动曲线判断电机的运行状态是否异常。
在一个实施方式中,对所述原始振动数据进行第一级滤波,包括:
确定长度为M的目标队列;
按获取时间的先后顺序,将M个连续排列的所述原始振动数据放入所述目标队列,确定出多个所述目标队列;
对每个所述目标队列中的原始振动数据进行算数平均运算,得到的平均值作为第一级滤波结果;
将所有所述目标队列对应的多个所述第一级滤波结果按时间先后的排列集合作为第一级滤波数据。
通过本实施方式,第一级滤波采用限幅平均滤波技术,对于偶然出现的脉冲干扰,可消除由于脉冲干扰所引起的采样值偏差问题。
在一个实施方式中,所述第二级滤波,包括:
根据上一时刻的振动测量结果,确定当前时刻的振动预测结果;
根据当前时刻的振动测量结果与当前时刻的振动预测结果,确定当前时刻的最优振动结果;
将所有时刻对应的多个所述最优振动结果按时间先后的排列集合作为所述目标振动数据;
其中,所述振动测量结果为所述第一级滤波数据中相应时刻的第一级滤波结果。
通过本实施方式,第二级滤波依托于卡尔曼滤波技术,在第一级滤波结果的基础上,结合测量值与预测值进一步综合分析得到最优值,实现数据进一步的精确性。
在一个实施方式中,根据上一时刻的振动测量结果,根据以下关系式确定当前时刻的振动预测结果:
当前时刻的振动预测结果=上一时刻的振动测量结果+上一时刻的数据方差;
其中,上一时刻的数据方差基于上一时刻的振动测量结果所对应的所述目标队列中的M个所述原始振动数据进行计算确定。
通过本实施方式,基于前一时刻的数据测量值与数据方差预测当前时刻的数据预测值,预测的准确度高。
在一个实施方式中,根据当前时刻的振动测量结果与当前时刻的振动预测结果,通过以下关系式确定当前时刻的最优振动结果:
当前时刻的最优振动结果=当前时刻的振动测量结果+当前时刻的数据方差×(当前时刻的振动测量结果-当前时刻的振动预测结果)。
通过本实施方式,依托于卡尔曼滤波技术,采用测量值与预测值的综合分析并加以递推,可以实现对于数据噪声的排除,提高数据的准确性。
在一个实施方式中,对所述原始振动数据进行第二级滤波时,对于初始时刻,所述初始时刻的振动预测结果的值等于其振动测量结果。通过本实施方式,初始时刻的预测值可以参考测量值给定,将初始时刻的预测值直接赋值为初始时刻的测量值,简单、快捷。
在一个实施方式中,根据振动曲线判断电机的运行状态是否异常,包括:
根据振动曲线,确定相应时刻电机的振动频率;
根据相应时刻的振动频率与目标阈值的比对结果,判断电机的运行状态是否异常。
通过本实施方式,根据振动曲线获取的振动频率并与阈值进行对比,可以直观的判断电机的振动状态,进而判断电机的运行状态。
在一个实施方式中,根据相应时刻的振动频率与目标阈值的比对结果,判断电机的运行状态是否异常,包括:
确定连续两个时刻所分别对应的电机的振动频率;
判断连续两个时刻中后一时刻的振动频率相较于前一时刻的振动频率的偏差值;
将偏差值与作为目标阈值的频率偏差阈值进行比对;
若偏差值小于频率偏差阈值,则电机的运行状态正常;
否则,电机的运行状态异常。
通过本实施方式,通过两个连续时刻的振动频率的偏差值与偏差阈值之间的比对,基于振动频率的变化过程、幅度来判断电机的运行状态,更加准确。
在一个实施方式中,根据振动曲线,确定相应时刻电机的振动频率,包括:
基于振动曲线,设置有限个采样点数,得到有限长度的离散信号;
对离散信号进行离散傅里叶变换,获得振动曲线所对应的连续信号在频域上的加速度频谱;
根据加速度频谱,确定频域上的位移频谱;
根据位移频谱确定电机相应时刻的振动频率。
通过本实施方式,基于对振动曲线上多个的采样点对应的离散信号的离散傅里叶变换以及二次积分,获得频域上的位移频谱,比在时域上的结果更精确。
在一个实施方式中,根据加速度频谱,确定频域上的位移频谱,包括:
对加速度频谱进行一次积分,获得频域上的速度频谱;
对速度频谱进行一次积分,获得频域上的位移频谱。
通过本实施方式,对加速度频谱进行二次积分获得频域上的位移频谱,比在时域上的结果更精确。
第二方面,本发明提出的一种电机状态监测装置,包括:
数据采集模块,用于采集电机的原始振动数据;
滤波模块,用于对原始振动数据进行滤波并输出目标振动数据;
数据拟合模块,用于将振动数据拟合为振动曲线;
判断模块,用于根据振动曲线来判断电机的运行状态是否异常。
第三方面,本发明提出的一种存储介质,存储介质上存储有计算机程序,计算机程序被处理器执行时,实现上述的电机状态监测方法。
第四方面,本发明提出的一种电子设备,电子设备包括存储器与处理器,存储器上存储有计算机程序,计算机程序能够被处理器执行,以实现上述的电机状态监测方法。
上述技术特征可以各种适合的方式组合或由等效的技术特征来替代,只要能够达到本发明的目的。
本发明提供的一种电机状态监测方法、装置、电子设备及存储介质,与现有技术相比,至少具备有以下有益效果:
本发明的一种电机状态监测方法、装置、电子设备及存储介质,通过对采集到的工业电机的原始振动数据进行两级不同方式的滤波,解决了数据由于受到外界环境干扰而导致数据中添加了噪声的问题,为后续对数据的处理提供了有利的先决条件;并且,通过将滤波后的电机振动数据看做连续信号,截取一段时间内的振动数据进行拟合,为后续的数据处理提供了便利,提高了数据处理的精确度,进而进一步提高了电机状态监测并判断的准确性。
附图说明
在下文中将基于实施例并参考附图来对本发明进行更详细的描述。其中:
图1显示了本发明的方法的主要流程图。
在附图中,相同的部件使用相同的附图标记。附图并未按照实际的比例。
具体实施方式
下面将结合附图对本发明作进一步说明。
本发明的实施例提供了一种电机状态监测方法,包括以下步骤:
步骤S100:获取一段时间内电机的原始振动数据;
具体地,电机的振动数据的获取主要通过振动传感器来实现,振动传感器实际上采集的是电机在运行过程中空间三个方向上的加速度值,空间三个方向即指的空间中三个相互垂直的方向,即对应空间坐标系中的X、Y、Z三轴的方向,以此反应电机的振动。
步骤S200:依次对原始振动数据进行第一级滤波与第二级滤波,获得并输出目标振动数据;
具体地,对任意时间段[ta,tb]内的采集到的多个原始振动数据,进行两次滤波处理,并输出滤波后排除干扰的目标振动数据;其中,a≥b,b≥0,且a<b。
第一级滤波(以下步骤S210至步骤S240对应的内容):
步骤S210:确定长度为M的目标队列;
步骤S220:按获取时间的先后顺序,将M个连续排列的原始振动数据放入目标队列,确定出多个目标队列;
具体地,将连续采集到的M个数据看成一个队列,队列的长度固定为M,按照先进先出原则,将每次采样到的一个新数据放入队尾,并扔掉原来队首的一次数据。
例如,在任意时间段[ta,tb]内采集到10个原始振动数据,x1至x10;将目标队列的长度设置为3,即M=3。那么对于x1至x10的10个原始振动数据而言,按其排列顺序可以得出7个目标队列,即(x1 x2 x3)、(x2 x3 x4)…(x7 x8 x9)、(x8 x9 x10)。
步骤S230:对每个目标队列中的原始振动数据进行算数平均运算,得到的平均值作为第一级滤波结果;
具体地,在上述例子中,对于所获得的7个目标队列分别进行算数平均运算,求出7个平均值结果,即7个第一级滤波结果,例如7个第一级滤波结果分别为y1、y2…y6、y7,y1对应目标队列(x1 x2 x3),以此类推;
步骤S240:将所有目标队列对应的多个第一级滤波结果按时间先后的排列集合作为第一级滤波数据。
具体地,在上述例子中,将获得的7个第一级滤波结果按时间先后的排列集合作为第一级滤波数据,即y1、y2…y6、y7。
通过步骤S210-步骤S240对原始振动数据进行的第一级滤波,对于偶然出现的脉冲干扰,可消除由于脉冲干扰所引起的采样值偏差。
第二级滤波(以下步骤S250至步骤S270对应的内容):
步骤S250:根据上一时刻的振动测量结果,确定当前时刻的振动预测结果;计算式如下:
当前时刻的振动预测结果=上一时刻的振动测量结果+上一时刻的数据方差;
其中,上一时刻的数据方差基于其所对应的目标队列中的M个原始振动数据进行计算确定。
步骤S260:根据当前时刻的振动测量结果与当前时刻的振动预测结果,确定当前时刻的最优振动结果;
当前时刻的最优振动结果=当前时刻的振动测量结果+当前时刻的数据方差×(当前时刻的振动测量结果-当前时刻的振动预测结果);
具体地,上面式子中的“×”代表相乘。步骤S250与步骤S260中,数据方差均是基于第一级滤波中的相应的目标队列中的对个原始振动数据进行计算得到的。例如,对于第二级滤波中的第二时刻,其对应的即是第一级滤波后的第一级滤波数据中的第二个第一级滤波结果,那么其就对应原始振动数据中的第二个目标队列,在上述例子中即目标队列“(x2x3 x4)”,通过目标队列中的原始振动数据,即可计算出相应的数据方差。
步骤S270:将所有时刻对应的多个最优振动结果按时间先后的排列集合作为目标振动数据;
其中,振动测量结果为第一级滤波数据中相应时刻的第一级滤波结果。
具体地,基于前述例子,对经过第一级滤波后获得的第一级滤波数据y1、y2…y6、y7进行第二级滤波,第一级滤波数据作为第二级滤波中相应时刻的振动测量结果。例如,对于y2所对应的时刻t2而言:
最优值(t2)=y2+协方差(t2)×[y2-预测值(t2)];
预测值(t2)=y1+数据方差(t1);
其中,数据方差(t1)为y1所对应的目标阵列的原始振动数据的方差,即本例子中目标队列(x1 x2 x3)中三个原始振动数据的方差。
进一步地,对原始振动数据进行第二级滤波时,对于初始时刻,初始时刻的振动预测结果的值等于其振动测量结果。
具体地,在上述例子中,即y1对应的初始时刻t1的最优值(t1)=y1。
通过第二级滤波,使第一级滤波数据的y1、y2…y6、y7分别得到对应的最优值,即最优振动结果,将这些最优振动结果按时间先后的排列集合作为目标振动数据,目标振动数据即经过两级滤波后排除干扰的数据,将该数据进行输出,作为电机振动监测分析的数据基础。
需要说明的是,上述第二级滤波依托卡尔曼滤波技术,其他没有详细阐明的技术细节可以参考卡尔曼滤波原理,在此不作赘述。
步骤S300:将目标振动数据拟合为振动曲线;
具体地,根据所获得的目标振动数据,将其拟合为正弦的振动曲线x(t);其中,t表示振动曲线所对应的时间段内的某个时刻。
步骤S400:根据振动曲线判断电机的运行状态是否异常;
步骤S410:根据振动曲线,确定相应时刻电机的振动频率;
步骤S411:基于振动曲线,设置有限个采样点数,得到有限长度的离散信号;
步骤S412:对离散信号进行离散傅里叶变换,获得振动曲线所对应的连续信号在频域上的加速度频谱;
具体地,对拟合得到的正弦振动曲线x(t),设置采样点数N,得到有限长的离散信号x(st);其中,正弦振动曲线x(t)为连续信号,s为整数,且s∈[0,N-1]。对离散信号x(st)进行DFT(离散傅里叶变换)计算,得到连续信号x(t)在频域的加速度频谱x(k);其中,k为整数,且k∈[0,N-1]。
步骤S413:根据加速度频谱,确定频域上的位移频谱;
步骤S4131:对加速度频谱进行一次积分,获得频域上的速度频谱;
步骤S4132:对速度频谱进行一次积分,获得频域上的位移频谱。
具体地,对加速度频谱x(k)进行两次积分得到频域上的位移频谱,包括对加速度频谱x(k)进行第一次积分得到频域上的速度频谱,再对速度频谱再次进行积分得到频域上的位移频谱。优势在于,在频域上对加速度积分、速度积分得到的结果要比在时域上更精确。
步骤S414:根据位移频谱确定电机相应时刻的振动频率。
步骤S420:根据相应时刻的振动频率与阈值的比对结果,判断电机的运行状态是否异常。
步骤S421:确定连续两个时刻所分别对应的电机的振动频率;
步骤S422:判断连续两个时刻中后一时刻的振动频率相较于前一时刻的振动频率的偏差值;
步骤S423:将偏差值与频率偏差阈值进行比对;
步骤S424:若偏差值小于频率偏差阈值,则电机的运行状态正常;
步骤S425:否则,电机的运行状态异常。
具体地,将ti时刻的电机振动频率fi与前一时刻ti-1的电机振动频率fi-1进行比较,得出二者之间的偏差值。若该偏差值小于频率偏差阈值Δf,则电机的运行状态正常;否则,电机的运行状态异常,对外端发出状态异常报警信号。
进一步地,振动频率偏差阈值Δf的设置需要基于大量实验所得出的测试数据,基于实验所得出的测试数据与电机的运行状态之间的关系,再经过大数据分析得出一个模型,根据所得到的模型确定相应时刻的振动频率偏差阈值Δf。
需要说明的是,本发明的振动监测方法中,对于原始振动数据的获取是基于电机上所安装的振动传感器。对于原始振动数据的两级滤波由数据预处理器进行,这样预处理后的数据排除了其他因素的干扰;但数据预处理器的数据处理能力有限,后续的数据分析需要后端的服务器进行。服务器接收预处理后的数据,并进行进一步的数据分析,最终能够准确地监测电机的振动情况并准确地判断电机的运行状态。数据预处理器可以设置在电机所在的场景中,数据预处理器通过无线传输模块与后端的服务器进行数据传输、通信。
本发明的实施例还提供了一种电机状态监测装置,包括:
数据采集模块,用于采集电机的原始振动数据;
滤波模块,用于对原始振动数据进行滤波并输出目标振动数据;
数据拟合模块,用于将目标振动数据拟合为振动曲线;
判断模块,用于根据振动曲线来判断电机的运行状态是否异常。
本发明的实施例还提供了一种存储介质,存储介质上存储有计算机程序,计算机程序被处理器执行时,实现上述的电机状态监测方法。
本发明的实施例还提供了一种电子设备,电子设备包括存储器与处理器,存储器上存储有计算机程序,计算机程序能够被处理器执行,以实现上述的电机状态监测方法。
在本发明的描述中,需要理解的是,术语“上”、“下”、“底”、“顶”、“前”、“后”、“内”、“外”、“左”、“右”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
虽然在本文中参照了特定的实施方式来描述本发明,但是应该理解的是,这些实施例仅仅是本发明的原理和应用的示例。因此应该理解的是,可以对示例性的实施例进行许多修改,并且可以设计出其他的布置,只要不偏离所附权利要求所限定的本发明的精神和范围。应该理解的是,可以通过不同于原始权利要求所描述的方式来结合不同的从属权利要求和本文中所述的特征。还可以理解的是,结合单独实施例所描述的特征可以使用在其他所述实施例中。
Claims (9)
1.一种电机状态监测方法,其特征在于,包括:
获取一段时间内电机的原始振动数据;
对所述原始振动数据进行第一级滤波与第二级滤波,获得并输出目标振动数据;
将所述目标振动数据拟合为振动曲线;
根据所述振动曲线判断电机的运行状态是否异常;
其中,对所述原始振动数据进行第一级滤波,包括:
确定长度为M的目标队列;
按获取时间的先后顺序,将M个连续排列的所述原始振动数据放入所述目标队列,确定出多个所述目标队列;
对每个所述目标队列中的原始振动数据进行算数平均运算,得到的平均值作为第一级滤波结果;
将所有所述目标队列对应的多个所述第一级滤波结果按时间先后的排列集合作为第一级滤波数据;
所述第二级滤波,包括:
根据上一时刻的振动测量结果,确定当前时刻的振动预测结果;
根据当前时刻的振动测量结果与当前时刻的振动预测结果,确定当前时刻的最优振动结果;
将所有时刻对应的多个所述最优振动结果按时间先后的排列集合作为所述目标振动数据;
其中,所述振动测量结果为所述第一级滤波数据中相应时刻的第一级滤波结果;
根据所述振动曲线判断电机的运行状态是否异常,包括:
根据所述振动曲线,确定相应时刻电机的振动频率;
根据相应时刻的所述振动频率与目标阈值的比对结果,判断电机的运行状态是否异常;
根据所述振动曲线,确定相应时刻电机的振动频率,包括:
基于所述振动曲线,设置有限个采样点数,得到有限长度的离散信号;
对所述离散信号进行离散傅里叶变换,获得所述振动曲线所对应的连续信号在频域上的加速度频谱;
根据所述加速度频谱,确定频域上的位移频谱;
根据所述位移频谱确定电机相应时刻的振动频率。
2.根据权利要求1所述的电机状态监测方法,其特征在于,根据上一时刻的振动测量结果,根据以下关系式确定当前时刻的振动预测结果:
当前时刻的振动预测结果=上一时刻的振动测量结果+上一时刻的数据方差;
其中,上一时刻的数据方差基于上一时刻的振动测量结果所对应的所述目标队列中的M个所述原始振动数据进行计算确定。
3.根据权利要求1所述的电机状态监测方法,其特征在于,根据当前时刻的振动测量结果与当前时刻的振动预测结果,通过以下关系式确定当前时刻的最优振动结果:
当前时刻的最优振动结果=当前时刻的振动测量结果+当前时刻的数据方差×(当前时刻的振动测量结果-当前时刻的振动预测结果)。
4.根据权利要求1至3任一项所述的电机状态监测方法,其特征在于,对所述原始振动数据进行第二级滤波时,对于初始时刻,所述初始时刻的振动预测结果的值等于其振动测量结果。
5.根据权利要求1所述的电机状态监测方法,其特征在于,根据相应时刻的所述振动频率与目标阈值的比对结果,判断电机的运行状态是否异常,包括:
确定连续两个时刻所分别对应的电机的振动频率;
判断连续两个时刻中后一时刻的振动频率相较于前一时刻的振动频率的偏差值;
将所述偏差值与作为所述目标阈值的频率偏差阈值进行比对;
若所述偏差值小于频率偏差阈值,则电机的运行状态正常;
否则,电机的运行状态异常。
6.根据权利要求1所述的电机状态监测方法,其特征在于,根据所述加速度频谱,确定频域上的位移频谱,包括:
对所述加速度频谱进行一次积分,获得频域上的速度频谱;
对所述速度频谱进行一次积分,获得频域上的位移频谱。
7.一种电机状态监测装置,其特征在于,包括:
数据采集模块,用于采集电机的原始振动数据;
滤波模块,用于对所述原始振动数据进行第一级滤波与第二级滤波并输出目标振动数据;
数据拟合模块,用于将目标振动数据拟合为振动曲线;
判断模块,用于根据所述振动曲线来判断电机的运行状态是否异常;
对所述原始振动数据进行第一级滤波,包括:
确定长度为M的目标队列;
按获取时间的先后顺序,将M个连续排列的所述原始振动数据放入所述目标队列,确定出多个所述目标队列;
对每个所述目标队列中的原始振动数据进行算数平均运算,得到的平均值作为第一级滤波结果;
将所有所述目标队列对应的多个所述第一级滤波结果按时间先后的排列集合作为第一级滤波数据;
所述第二级滤波,包括:
根据上一时刻的振动测量结果,确定当前时刻的振动预测结果;
根据当前时刻的振动测量结果与当前时刻的振动预测结果,确定当前时刻的最优振动结果;
将所有时刻对应的多个所述最优振动结果按时间先后的排列集合作为所述目标振动数据;
其中,所述振动测量结果为所述第一级滤波数据中相应时刻的第一级滤波结果;
根据所述振动曲线判断电机的运行状态是否异常,包括:
根据所述振动曲线,确定相应时刻电机的振动频率;
根据相应时刻的所述振动频率与目标阈值的比对结果,判断电机的运行状态是否异常;
其中,根据所述振动曲线,确定相应时刻电机的振动频率,包括:
基于所述振动曲线,设置有限个采样点数,得到有限长度的离散信号;
对所述离散信号进行离散傅里叶变换,获得所述振动曲线所对应的连续信号在频域上的加速度频谱;
根据所述加速度频谱,确定频域上的位移频谱;
根据所述位移频谱确定电机相应时刻的振动频率。
8.一种存储介质,所述存储介质上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时,实现如权利要求1至6中任一项所述的电机状态监测方法。
9.一种电子设备,其特征在于,所述电子设备包括存储器与处理器,所述存储器上存储有计算机程序,所述计算机程序能够被所述处理器执行,以实现如权利要求1至6中任一项所述的电机状态监测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111465045.2A CN114401206B (zh) | 2021-12-03 | 2021-12-03 | 一种电机状态监测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111465045.2A CN114401206B (zh) | 2021-12-03 | 2021-12-03 | 一种电机状态监测方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114401206A CN114401206A (zh) | 2022-04-26 |
CN114401206B true CN114401206B (zh) | 2023-11-03 |
Family
ID=81225172
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111465045.2A Active CN114401206B (zh) | 2021-12-03 | 2021-12-03 | 一种电机状态监测方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114401206B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115499458A (zh) * | 2022-07-29 | 2022-12-20 | 国家电投集团云南国际电力投资有限公司 | 基于物联网的振动监测方法、装置、设备及存储介质 |
CN115618206B (zh) * | 2022-10-27 | 2023-07-07 | 圣名科技(广州)有限责任公司 | 干扰数据确定方法、装置、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106153339A (zh) * | 2016-06-29 | 2016-11-23 | 潍坊学院 | 一种基于变分模式分解滤波的包络分析方法 |
CN108519738A (zh) * | 2018-04-13 | 2018-09-11 | 中国科学院微电子研究所 | 一种车辆运动状态信息延时补偿方法和装置 |
CN108613730A (zh) * | 2018-06-14 | 2018-10-02 | 贵州大学 | 一种生产线动态称重在线标定方法 |
US10168248B1 (en) * | 2015-03-27 | 2019-01-01 | Tensor Systems Pty Ltd | Vibration measurement and analysis |
-
2021
- 2021-12-03 CN CN202111465045.2A patent/CN114401206B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10168248B1 (en) * | 2015-03-27 | 2019-01-01 | Tensor Systems Pty Ltd | Vibration measurement and analysis |
CN106153339A (zh) * | 2016-06-29 | 2016-11-23 | 潍坊学院 | 一种基于变分模式分解滤波的包络分析方法 |
CN108519738A (zh) * | 2018-04-13 | 2018-09-11 | 中国科学院微电子研究所 | 一种车辆运动状态信息延时补偿方法和装置 |
CN108613730A (zh) * | 2018-06-14 | 2018-10-02 | 贵州大学 | 一种生产线动态称重在线标定方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114401206A (zh) | 2022-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114401206B (zh) | 一种电机状态监测方法、装置、电子设备及存储介质 | |
CN102374876B (zh) | 集成的振动测量和分析系统 | |
JP5293300B2 (ja) | 回転機の振動監視装置および振動監視方法 | |
CN101533052B (zh) | Pwm风扇电气性能测试系统及方法 | |
US7168324B2 (en) | Vibration information transmission apparatus and vibration monitoring/analyzing system | |
WO2020255446A1 (ja) | 駆動音診断システム、駆動音診断方法および駆動音診断システムの機械学習装置 | |
CN113269169A (zh) | 一种轴承故障检测方法和装置 | |
JP5218614B2 (ja) | 異常診断装置、回転装置、鉄道車両、自動車及び異常診断方法 | |
JP2010266327A (ja) | 設備診断装置及び設備診断方法 | |
JP6742563B1 (ja) | 駆動音診断システム、駆動音診断方法および駆動音診断システムの機械学習装置 | |
CN110411730B (zh) | 一种旋转设备故障判断方法、系统和可读存储介质 | |
JP2021114895A (ja) | 電力変換装置、回転機システム、及び診断方法 | |
JP4904419B2 (ja) | ノイズ量検出機能を備えたエンコーダ | |
JP3630041B2 (ja) | ウェーブレット変換によるプラント機器監視装置 | |
KR101012097B1 (ko) | 비접촉식 센서를 이용한 선박용 디젤엔진 크랭크축의 종방향 진동 측정장치 및 이를 이용한 진동 측정방법 | |
JP4848803B2 (ja) | 異常診断装置、回転装置及び異常診断方法 | |
CN114859297A (zh) | 桥梁振动目标检测方法及装置 | |
JPH02218928A (ja) | 歯車異常診断装置 | |
KR20050096931A (ko) | 다축 전동기 제어 장치의 공진 주파수 검출 장치 | |
RU112405U1 (ru) | Устройство диагностирования и прогнозирования технического состояния модуля движения | |
JP7389641B2 (ja) | 巻線診断装置および巻線診断方法 | |
JP6988601B2 (ja) | 情報処理プログラム、情報処理方法及び情報処理装置 | |
JPH0883265A (ja) | 振動信号解析装置 | |
EP4357740A1 (en) | Acoustic circuit breaker diagnosis device and method | |
JP2013053883A (ja) | リアルタイム周波数解析方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |